Kostenlose Text-to-Speech-API: kein Schlüssel, kein Kontingent, eigener Server
Die meisten Text-to-Speech-APIs sind nur bis zu einem Punkt kostenlos: Sie registrieren sich, bekommen einen API-Schlüssel und einen Gratistarif mit Monatskontingent und Ratenlimit, danach eine Rechnung pro Zeichen. Für einen Prototyp ist das in Ordnung, für eine App, die viel spricht, einen Bot oder eine Pipeline mit Tausenden Sätzen schmerzt es.
SuperClonica geht einen anderen Weg: Der Sprachserver ist ein kostenloses Docker-Image, das Sie auf Ihrem eigenen Rechner oder Server betreiben. Es gibt keinen Schlüssel zu beantragen und kein Kontingent, nur Ihre Hardware. Dieser Leitfaden zeigt, wie Sie ihn starten, per curl, Python und JavaScript aufrufen und was „kostenlos“ ehrlich kostet.
Gratistarife und ihre Grenzen
Prüfen Sie die aktuellen Bedingungen jedes Cloud-Anbieters selbst: Gratistarife und Preise ändern sich.
- Kostenlose Cloud-Tarife verlangen meist ein Konto und einen API-Schlüssel und haben Monatskontingente für Zeichen und Ratenlimits.
- Ihr Text geht bei jeder Anfrage an den Anbieter.
- Ein selbst gehosteter Server braucht weder Schlüssel noch Konto und hat kein Kontingent.
- Der SuperClonica-Server spricht 31 Sprachen, mit zehn kostenlosen Standardstimmen und mehr als 170 Katalogstimmen.
Die Stimmen gratis online hören
Geben Sie auf der Seite einer beliebigen Stimme einen Satz mit 30 bis 100 Zeichen ein, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, was die API zurückgibt, ohne Konto.
Die API starten und aufrufen
Die Antwort ist eine 16-Bit-Mono-WAV-Datei; die Header X-Sample-Rate und X-Duration-Seconds beschreiben sie, und GET /voices listet Stimmen und Sprachen.
- Starten Sie den Server: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Beim ersten Start wird das Modell geladen, etwa 385 MB.
- Aufruf per curl: curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Hello from a free API!", "voice": "F1", "lang": "en"}' -o hello.wav
- Aus Python, ohne zusätzliche Pakete: import json, urllib.request; req = urllib.request.Request('http://localhost:8000/synthesize', data=json.dumps({'text': 'Hello', 'voice': 'F1', 'lang': 'en'}).encode(), headers={'Content-Type': 'application/json'}); open('hello.wav', 'wb').write(urllib.request.urlopen(req).read())
- Aus JavaScript oder Node.js: const r = await fetch('http://localhost:8000/synthesize', {method: 'POST', headers: {'Content-Type': 'application/json'}, body: JSON.stringify({text: 'Hello', voice: 'F1', lang: 'en'})}); const wav = await r.arrayBuffer();
Schlüssel, Limits und Skalierung
Auf Ihrem eigenen Rechner ist kein Schlüssel nötig. Ist der Server aus einem Netz erreichbar, setzen Sie SUPERCLONICA_API_KEY und senden Authorization: Bearer mit diesem Schlüssel, oder halten Sie den Server privat. Standardmäßig nimmt eine Anfrage bis zu 5000 Zeichen, SUPERCLONICA_MAX_TEXT ändert das, und SUPERCLONICA_LANES erlaubt mehrere Anfragen gleichzeitig. Bevor Sie ihn öffnen, schalten Sie mit einem beliebigen Reverse Proxy HTTPS davor.
Was kostenlos wirklich kostet
Die Software ist kostenlos: Engine und Image stehen unter Apache 2.0, das Modell Supertonic 3 unter OpenRAIL-M, die kommerzielle Nutzung im Rahmen ihrer Einschränkungen erlaubt. Sie bezahlen die Maschine: Eine CPU schafft einen kurzen Satz in deutlich unter einer Sekunde, eine GPU ist bei vielen gleichzeitigen Nutzern schneller. Katalogstimmen kaufen Sie einmal, die zehn Standardstimmen kosten nichts.